这个品类的数据长什么样
药物警戒数据主要来源于临床试验报告、真实世界研究、不良事件报告（如 CIOMS I 表格、MedWatch 表格）、药品说明书、上市后安全更新报告以及医学文献。这些数据通常以非结构化文本（如不良事件描述、患者病史）和半结构化数据（如药品批次号、不良事件编码、患者人口统计学信息）混合存在。更新频率较高，尤其是在新药上市初期和重要安全信号出现时。文档结构复杂，包含大量专业术语、缩写和特定编码系统（如 MedDRA 词典）。字段不仅涉及药品名称、剂量、用法、不良反应、报告时间，还包括患者特异性信息、既往病史和合并用药。单位涵盖时间单位（天、月、年）、剂量单位（mg、g、IU）和频率单位（次/日、周）。
这些特征在「多轮对话与提示词」这一环带来什么约束
药物警戒数据的复杂性要求多轮对话系统能够精准理解用户的查询意图，并有效处理专业术语和缩写。高更新频率意味着知识库需要快速同步最新安全信息，以避免提供过时或不准确的建议。混合数据结构要求提示词设计能够同时兼顾结构化字段的精确匹配和非结构化文本的语义理解。例如，用户可能询问某种药物在特定人群中的不良反应，这需要系统不仅能识别药物和人群，还能关联到具体的临床表现。多轮对话中，系统需要记忆上下文，以便在后续追问中基于之前的信息进行推理，比如在用户提及某个不良事件后，能主动询问相关剂量或用药时长。此外，多轮对话还需能引导用户提供必要信息，以确保安全评估的完整性。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
maxContext | 8 | 药物警戒查询通常需要较长上下文，以支持多轮追问和信息补充。 |
分段长度 | 500-800 字符 | 确保单个知识片段包含足够信息，同时避免过长导致信息过载和召回效率降低。 |
召回条数 | 前 5-8 条 | 需确保召回足够多的相关安全信息，以覆盖复杂查询的潜在答案。 |
相似度阈值 | 0.75-0.85 | 考虑到专业术语和语义的精确性要求，需要较高阈值以保证召回结果的准确性。 |
重排返回条数 | 3-5 条 | 对召回结果进行二次排序，精选最相关的片段，以提高最终答案的质量。 |
temperature | 0.2-0.4 | 药物警戒场景对信息准确性要求极高，低 temperature 减少模型自由发挥，保证回答严谨性。 |
容易做错的三处
- 对话中出现“找不到相关信息”或给出泛泛的通用回答，原因通常是知识库索引更新不及时，未能覆盖最新安全报告，或者提示词未能有效引导模型从复杂文本中提取关键安全信息。
- 系统无法在用户多次追问后保持对药物、不良事件或患者特征的准确关联，这表明
maxContext参数设置过低，导致上下文记忆不足，或者提示词中缺少对历史对话信息的明确引用指令。 - 用户提问特定药品剂量或用药频率时，系统返回错误或不一致的数值，可能是因为知识库中相关数值单位未标准化，或者提示词未强调对数字和单位的精确抽取。
怎么确认配好了
- 测试一系列包含专业术语和缩写的查询，检查系统能否正确识别并给出准确答案，通过对比预期答案来评估召回的精准度。
- 设计多轮追问场景，例如先提问某种药物的不良反应，再追问其在特定人群（如老年人）中的表现，观察系统能否保持上下文连贯性并提供相关信息。
- 输入涉及具体剂量、频率等数值的查询，核对系统返回的数值与单位是否与原始知识库内容完全一致。
- 模拟知识库更新后，立即进行相关查询，确认系统是否能快速响应最新的安全信息，评估信息同步的及时性。
问题素材取自公开社区提问（2026-09-11 去重 4,834 条）。文中的配置项名称与取值区间需以所用版本的实际界面与文档为准；本页核验日 2026-09-21，当时的最新发布版本为 FastGPT v4.17.0。